Types de caractéristiques d'entrée compatibles

BigQuery ML accepte différents types de caractéristiques d'entrée pour différents types de modèles. Les types de caractéristiques d'entrée compatibles sont répertoriés dans le tableau suivant :

Catégorie de modèle Types de modèles Types numériques (INT64, NUMERIC, BIGNUMERIC, FLOAT64) Types catégoriels (BOOL, STRING, BYTES, DATE, DATETIME) TIMESTAMP STRUCT GEOGRAPHY ARRAY<types numériques> ARRAY<types catégoriels> ARRAY<STRUCT<INT64, types numériques>>
Apprentissage supervisé Régression linéaire et logistique
Réseau de neurones profond
Wide et deep learning
Arbres de décision à boosting
AutoML Tables
Apprentissage non supervisé K-moyennes
ACP
Auto-encodeur
Modèles de séries temporelles ARIMA_PLUS_XREG

Entrée vectorielle dense

BigQuery ML accepte ARRAY<numerical> en tant qu'entrée vectorielle dense lors de l'entraînement du modèle. La fonctionnalité d'embedding est un type spécial de vecteur dense. Pour en savoir plus, consultez la documentation de la fonction ML.GENERATE_EMBEDDING.

Entrée creuse

BigQuery ML accepte ARRAY<STRUCT> en tant qu'entrée creuse lors de l'entraînement du modèle. Chaque structure contient une valeur INT64 qui représente son index basé sur zéro, et un type numérique qui représente la valeur correspondante.

Voici un exemple de saisie de Tensor creuse pour le tableau d'entiers [0,1,0,0,0,0,1] :

ARRAY<STRUCT<k INT64, v INT64>>[(1, 1), (6, 1)] AS f1